图像处理------基于Otsu阈值二值化

一：基本原理

该方法是图像二值化处理常见方法之一，在Matlab与OpenCV中均有实现。

Otsu Threshing方法是一种基于寻找合适阈值实现二值化的方法，其最重

要的部分是寻找图像二值化阈值，然后根据阈值将图像分为前景（白色）

或者背景（黑色）。假设有6x6的灰度图像，其像素数据及其对应的直方

图如下图：

阈值寻找方法首先假设是为T=3，则背景像素的比重、均值、方差的计算

结果如下：

根据前景像素直方图，计算比重、均值、方差的过程如下：

, 0, width, height, inPixels );

int index = 0;

for(int row=0; row<height; row++) {

int ta = 0, tr = 0, tg = 0, tb = 0;

for(int col=0; col<width; col++) {

index = row * width + col;

ta = (inPixels[index] >> 24) & 0xff;

tr = (inPixels[index] >> 16) & 0xff;

tg = (inPixels[index] >> 8) & 0xff;

tb = inPixels[index] & 0xff;

int gray= (int)(0.299 *tr + 0.587*tg + 0.114*tb);

inPixels[index]  = (ta << 24) | (gray << 16) | (gray << 8) | gray;

}

}

// 获取直方图

int[] histogram = new int[256];

for(int row=0; row<height; row++) {

int tr = 0;

for(int col=0; col<width; col++) {

index = row * width + col;

tr = (inPixels[index] >> 16) & 0xff;

histogram[tr]++;

}

}

// 图像二值化 - OTSU 阈值化方法

double total = width * height;

double[] variances = new double[256];

for(int i=0; i<variances.length; i++)

{

double bw = 0;

double bmeans = 0;

double bvariance = 0;

double count = 0;

for(int t=0; t<i; t++)

{

count += histogram[t];

bmeans += histogram[t] * t;

}

bw = count / total;

bmeans = (count == 0) ? 0 :(bmeans / count);

for(int t=0; t<i; t++)

{

bvariance += (Math.pow((t-bmeans),2) * histogram[t]);

}

bvariance = (count == 0) ? 0 : (bvariance / count);

double fw = 0;

double fmeans = 0;

double fvariance = 0;

count = 0;

for(int t=i; t<histogram.length; t++)

{

count += histogram[t];

fmeans += histogram[t] * t;

}

fw = count / total;

fmeans = (count == 0) ? 0 : (fmeans / count);

for(int t=i; t<histogram.length; t++)

{

fvariance += (Math.pow((t-fmeans),2) * histogram[t]);

}

fvariance = (count == 0) ? 0 : (fvariance / count);

variances[i] = bw * bvariance + fw * fvariance;

}

// find the minimum within class variance

double min = variances[0];

int threshold = 0;

for(int m=1; m<variances.length; m++)

{

if(min > variances[m]){

threshold = m;

min = variances[m];

}

}

// 二值化

System.out.println("final threshold value : " + threshold);

for(int row=0; row<height; row++) {

for(int col=0; col<width; col++) {

index = row * width + col;

int gray = (inPixels[index] >> 8) & 0xff;

if(gray > threshold)

{

gray = 255;

outPixels[index]  = (0xff << 24) | (gray << 16) | (gray << 8) | gray;

}

else

{

gray = 0;

outPixels[index]  = (0xff << 24) | (gray << 16) | (gray << 8) | gray;

}

}

}

setRGB(dest, 0, 0, width, height, outPixels );

return dest;

}

}